[发明专利]一种特殊服饰检测方法、终端设备及存储介质

说明书

本发明涉及一种特殊服饰检测方法、终端设备及存储介质，该方法中包括：采集包含特殊服饰的图片组成训练集；通过训练集对全卷积神经网络模型和卷积神经网络分类模型进行分别训练；获取待检测图片；根据训练后的全卷积神经网络模型对待检测图片中的特殊服饰所在区域进行初步定位；根据初步定位的特殊服饰所在区域从待检测图片中截取候选区域；通过训练后的卷积神经网络分类模型对候选区域对应的图片进行分类，得到待检测图片对应的特殊服饰的类型。本发明使用最新的人工智能技术，在不降低或极小降低速度的前提下充分提高了特殊服装的检测准确率。

技术领域

本发明涉及信息安全领域，尤其涉及一种特殊服饰检测方法、终端设备及存储介质。

背景技术

特殊服饰种类较多，容易随着肢体动作而发生形变，除迷彩训练服外，特殊服饰在绝大部分情况下都会搭配明显特殊标志，比如军装和警服会搭配领花、军(警)衔标志、胸标和臂章等。对于特殊服饰的检测方法，目前采用的方法是采用传统的人为设计的提取特殊服饰搭配的特殊标志的特征，然后对这些特征使用传统的机器学习算法进行分类，例如论文《一种基于多级检测的军装图片识别算法研究》在军服正面且清晰的情况下，该算法可以检测陆军和空军常服，但无法检测海军军装和迷彩服，并且该论文中大量采用了先验知识来提取特征。

由于视频直播和短视频社交软件拍摄的视频图片质量参差不齐，而且视频图片中的人物姿态是多变的，导致服装形态也发生变化，衣服褶皱会挡住某些明显的标志，所以通过人为的先验特征来判别特殊服饰，在背景复杂或形态多变的情况下，准确率会下降较多。

发明内容

为了解决上述问题，本发明提出了一种特殊服饰检测方法、终端设备及存储介质。

具体方案如下：

一种特殊服饰检测方法，包括以下步骤：

S1：采集包含特殊服饰的图片组成训练集，并对训练集的各图片中特殊服饰的类型和特殊服饰所在区域进行标记；

S2：构建全卷积神经网络模型，通过训练集对全卷积神经网络模型进行训练，使得训练后的全卷积神经网络模型能够区分图片是否为特殊服饰；

S3：对训练集中的各图片进行二次处理，即在各图片的非特殊服饰所在区域设置随机掩膜，并将被掩膜覆盖的区域设置为与特殊服饰颜色差异大的颜色；

S4：构建卷积神经网络分类模型，通过二次处理后的训练集对卷积神经网络分类模型进行训练，使得训练后的卷积神经网络分类模型能够区分图片包含的特殊服饰的类型；

S5：获取待检测图片；

S6：根据训练后的全卷积神经网络模型对待检测图片中的特殊服饰所在区域进行初步定位；

S7：根据初步定位的特殊服饰所在区域从待检测图片中截取候选区域；

S8：通过训练后的卷积神经网络分类模型对候选区域对应的图片进行分类，得到待检测图片对应的特殊服饰的类型。

进一步的，步骤S1中对特殊服饰所在区域进行标记为：通过手工提取特殊服饰所在的矩形区域，并标记矩形区域的起始坐标和结束坐标。

进一步的，步骤S2中将全卷积神经网络模型采用5层卷积层的卷积神经网络结构，每层卷积层的卷积核个数分别为8,16,24,32,48，步长分别为1,2,1,2,1，在对模型的训练过程中，模型的输入为特定大小的图片，输出为表示该特定大小的图片是否为特殊服饰的张量。

进一步的，步骤S3中优选将被掩膜覆盖的区域设置为黑色。

进一步的，步骤S3中设置的掩膜的大小不超过各图片的非特殊服饰所在区域面积的1/2。